分享农业科研新进展，智慧农业综合研究，掌握前沿知识

关于智慧农业的综合研究，在安徽大学、悉尼大学、内布拉斯加大学、中国农业科学院、华南农业大学等机构的努力下，已经取得了一定进展，在智慧养殖、农业风险管理、水产养殖等方面获取了一定进展，本文分享下农业科研的前沿知识。

一、深度学习在家畜智慧养殖中研究应用进展

科研机构：安徽大学互联网学院、南阳农业职业学院、悉尼大学工学院

准确高效检测动物信息，及时分析动物的生理与身体健康状况，并结合智能化技术进行自动饲喂和养殖管理，对于家畜规模化养殖意义重大。深度学习技术由于具有自动特征提取和强大图像表示能力，更适用于复杂的畜牧养殖环境中动物信息监测。为进一步分析人工智能技术在当下智慧畜牧业中研究应用，该团队针对牛、羊和猪三种家畜，将深度学习技术在目标检测识别、体况评价与体重估计以及行为识别与量化方面进行分析。

智慧畜牧养殖技术当前面临着应用场景存在多视角、多尺度、多场景和少样本等挑战以及智能技术泛化应用的问题，本文结合畜牧业实际饲养和管理需求，对智慧畜牧业发展进行展望并提出了：①结合半监督或者少样本学习来提高深度学习模型的泛化能力;②人、装备和养殖动物这三者的统一协作及和谐发展;③大数据、深度学习技术与畜牧养殖的深度融合等发展建议，以期进一步推动畜牧养殖智能化发展。

二、作物胁迫感知和植物表型测量系统综述(英文)

科研机构：内布拉斯加大学林肯分校生物系统工程系

提高农田管理的资源使用效率和持续培育优良作物品种，是确保粮食产量和减轻作物生产对环境影响的关键途径。作物胁迫感知和植物表型测量系统是田间变量管理和高通量植物表型测量研究的核心，且两者在硬件和数据处理技术上具有相似性。几十年来，人们一直在开发可以用在田间变量管理领域的作物胁迫感知系统，旨在建立更加可持续的田间管理方案。与此同时，田间高通量表型系统开发取得的重大进展，为降低传统表型测量成本提供了技术基础。对田间变量管理中涉及的作物胁迫感知系统进行了回顾，特别对目前用于精准灌溉、氮素施用和农药喷洒中的感知和决策方法进行了总结。

该团队在内布拉斯加大学林肯分校开发的三套田间表型测量系统，对常见田间高通量表型测量系统的传感器和数据的处理分析流程进行介绍。并对当前田间表型测量系统面临的挑战，并提出了潜在解决方案。人工智能、机器人平台和创新仪器的持续发展有望显著提高测量系统的性能，对系统在育种中的大范围应用起到积极作用。对主要植物生理过程更直接地测量，可能成为未来田间表型研究领域的研究热点之一，并为培育更耐胁迫的作物新品种提供有价值的表型数据，为田间变量管理和高通量植物表型测量两个研究领域，提供参考和独特的见解。

三、人工智能在农业风险管理中的应用研究综述

科研机构：中国农业科学院农业信息研究所

农业是关系国计民生的基础产业，但同时又是弱质产业，针对传统农业风险管理研究方法中存在非线性信息挖掘不足、精确度不高和鲁棒性差等问题。该团队开展了研究，以拥有基于大数据的强非线性拟合、端到端建模和特征自学习等功能的人工智能技术为推手，在农业脆弱性评估、农业风险预测，以及农业损害评估三大方面的研究进展，得出如下结论：

①AI在农业脆弱性评估中的特征重要性评估缺乏科学有效的验证指标，且应用方式导致无法比较多个模型之间的优劣，建议采用主客观法进行评价;

②在风险预测中，发现随着预测时间的增加，机器学习模型的预测能力往往会下降，过拟合问题是风险预测中的常见问题，且目前研究针对图数据空间信息的挖掘还较少;

③农业生产环境复杂，应用场景多变是影响损害评估准确性的重要因素，提升深度学习模型的特征提取能力和鲁棒性是未来技术发展需要克服的重点和难点问题。然后，针对AI应用过程中存在的性能提升问题和小样本问题提出了相应的解决方案。对于性能提升问题，根据使用者对人工智能的熟悉程度，可分别采用多种模型比较法、模型组合法和神经网络结构优化法以提升模型的性能表现;对于小样本的问题，往往可以将数据增强、生成对抗网络和迁移学习相结合，以增强模型的鲁棒性和提高模型识别的准确性。

对AI在农业风险管理中的应用进行了展望。未来可以考虑将人工智能引入农业脆弱性曲线的构建;针对农业产业链的上下游关系和与农业相关的行业关系，更多的应用图神经网络对农业价格风险预测进一步深入研究;损害评估建模过程中可以更多地引入评估目标相关领域的专业知识以增强对目标的特征学习，对小样本数据进行增广也是未来研究的重点内容。

四、水禽智能化养殖研究现状及发展趋势

科研机构：华南农业大学数学与信息学院、华南农业大学动物科学学院

水禽养殖在向规模化、标准化与智能化方向迅速发展。智能养殖装备和信息化技术的研究与应用是促进水禽养殖业健康持续发展的关键，对提高水禽养殖的产出效率、降低生产过程对劳动力的依赖、契合绿色环保的发展理念以及实现高质量转型发展具有重要意义。

该团队介绍了智能化水禽棚舍的发展、水禽棚舍环境智能调控技术，以及智能化水禽饲喂、饮水、加药消杀和自动粪污处理等智能化设备的新研究进展。

此外，对水禽的信息采集技术现状，包括视觉成像系统、声音捕获系统和穿戴式传感器，以及智能管理技术的新应用进展进行了介绍，及水禽产业的智能化养殖所面临的困难，并对未来水禽智能化养殖的发展和改进提出了建议。

审核编辑 黄宇